Cone Beam Ct
PulseAugur coverage of Cone Beam Ct — every cluster mentioning Cone Beam Ct across labs, papers, and developer communities, ranked by signal.
-
自监督视觉 Transformer 在 TMJ OA 检测方面显示出潜力
研究人员探索了自监督视觉 Transformer（特别是 DINO 系列）从锥形束 CT (CBCT) 扫描中检测颞下颌关节骨关节炎 (TMJ OA) 的有效性。他们的研究发现，部分解冻最后两个 Transformer 块将分类的曲线下面积 (AUC) 从 0.671 显著提高到 0.902。这种适应策略比骨干模型本身的选择更关键，为在低数据医学成像场景中应用这些模型提供了实用见解。
-
新的神经网络方法以更少的伪影重建CT扫描
研究人员开发了一种新的自监督3D重建框架，用于锥束CT（CBCT），以解决数据截断伪影问题。该方法利用神经场景表示将空间坐标映射到放射密度，绕过了传统的重建操作，并能够外推到原始视场之外。为了保留通常会被神经网络丢失的高频纹理，集成了一个基于物理的迭代细化模块，将神经网络的伪影抑制与迭代算法的细节保留相结合。
-
SynthRAD2025挑战赛展示AI改进放疗用合成CT
SynthRAD2025挑战赛报告详细介绍了为放疗计划生成合成CT（sCT）图像的进展。今年的挑战赛重点是将MRI或锥束CT（CBCT）转换为等效CT图像，评估方法涵盖了跨不同身体区域的2300多名患者病例。深度学习模型显示出显著的改进，尤其是在CBCT到CT的转换方面，但在MRI到CT的准确性方面仍存在挑战，特别是在基于剂量的验证方面。
-
扩散模型增强逆问题和稀疏视图CT的图像重建
研究人员正在开发新方法，利用扩散模型从有限数据中改进图像重建。一种方法通过结合现有模型，从单个观测中优化扩散先验，在黑洞成像等应用中显示出前景。另一种技术，条件扩散后验对齐（CDPA），通过将2D扩散模型条件化于初始3D重建并将其与测量投影对齐，实现了可扩展的3D稀疏视图CT重建。第三种方法DiffNR，通过使用名为SliceFixer的扩散模型来纠正伪影并提供辅助监督，从而增强稀疏视图CT的神经表示，提高了重建质量和效率。